Machine Learning for Economics and Finance in Tensorflow 2: Modele de învățare profundă pentru cercetare și industrie

Recenzii ale cititorilor

În prezent, nu există recenzii ale cititorilor. Evaluarea se bazează pe 4 voturi.

Titlul original:

Machine Learning for Economics and Finance in Tensorflow 2: Deep Learning Models for Research and Industry

Conținutul cărții:

Capitolul 1: TensorFlow 2. 0.

Scopul capitolului: Prezentarea TensorFlow 2 și discutarea materialului preliminar privind convențiile și practicile specifice TensorFlow.

- Diferențe între iterațiile TensorFlow.

- TensorFlow pentru economie și finanțe.

- Introducere în tensori.

- Revizuirea algebrei liniare și a calculului.

- Încărcarea datelor pentru utilizarea în TensorFlow.

- Definirea constantelor și a variabilelor.

Capitolul 2: Învățarea automată și economia.

Scopul capitolului: Oferirea unei imagini de ansamblu la nivel înalt a modelelor de învățare automată și explicarea modului în care acestea pot fi utilizate în economie și finanțe. O parte a capitolului va trece în revistă lucrările existente în economie și va specula cu privire la viitoarele cazuri de utilizare.

- Introducere în învățarea automată.

- Învățarea automată pentru economie și finanțe.

- Învățarea automată nesupravegheată.

- Învățarea mecanică supervizată.

- Regularizarea.

- Predicție.

- Evaluare.

Capitolul 3: Regresia.

Scopul capitolului: Explicarea modului în care modelele de regresie sunt utilizate în principal în scopuri de predicție în învățarea automată, mai degrabă decât pentru testarea ipotezelor, cum este cazul în economie. Prezentarea metricilor de evaluare și a rutinelor de optimizare utilizate pentru rezolvarea modelelor de regresie.

- Regresia liniară.

- Regresia parțial liniară.

- Regresia neliniară.

- Regresia logistică.

- Funcții de pierdere.

- Metrici de evaluare.

- Optimizatoare.

Capitolul 4: Arbori.

Scopul capitolului: Prezentarea modelelor bazate pe arbori și a conceptului de ansambluri.

- Arbori de decizie.

- Arbori de regresie.

- Păduri aleatorii.

- Reglarea modelului.

Capitolul 5: Stimularea gradientului.

Scopul capitolului: Prezentarea metodei gradient boosting și discutarea modului în care este aplicată, a modului în care sunt reglate modelele și a modului de identificare a caracteristicilor importante.

- Introducere în amplificarea gradientului.

- Boosting cu modele de regresie.

- Boosting cu arbori.

- Reglarea modelelor.

- Importanța caracteristicilor.

Capitolul 6: Imagini.

Scopul capitolului: Prezentați API-urile de nivel înalt Keras și Estimators. Explicați modul în care aceste biblioteci pot fi utilizate pentru a realiza clasificarea imaginilor utilizând o varietate de modele de învățare profundă. De asemenea, discutați utilizarea modelelor preinstruite și reglarea fină. Speculați cu privire la utilizarea clasificării imaginilor în economie și finanțe.

- Keras.

- Estimatori.

- Pregătirea datelor.

- Rețele neuronale profunde.